1回答
我正在尝试使用负似然函数来训练简单的前馈神经网络，以估计回归任务的不确定性。我的神经网络将均值和方差输出为两个标签，我编写了自定义损失函数，如下所示： def nll_loss(y_true, y_pred): mean = y_predoutput)
m
浏览 11提问于2021-01-15得票数 0
2回答
当我学习Logistic回归时，我们用负对数似然法对参数w进行优化。有一种说法是：，当训练样本线性分离时，最优w的大小可以达到无穷大。我很困惑: 1.最优w的大小是什么? 2.你能解释为什么w可以无限大吗？
浏览 2提问于2014-09-20得票数 1
我经常偶然发现论文说神经网络是用最大似然原理训练的。我想我一般都明白什么是最大可能性。但我很难理解如何把它应用到神经网络训练中。
如何利用最大似然原理训练神经网络？
浏览 0提问于2018-01-04得票数 6
1回答
负对数似然
可以乘以\frac{1}{m}，现在我的问题来了:我正在读的这本书(古德费罗等人的深度学习)提到了使用负日志似然(如一致性)的几个吸引人的特性。同时，它还直接使用交叉熵作为最大似然</em
浏览 0提问于2021-05-06得票数 2
回答已采纳
我使用代价函数作为交叉熵或负对数似然函数来训练神经网络。在什么函数值下，我可以认为是时候停止训练了，结果是好的？
浏览 0提问于2015-11-19得票数 0
当我使用count:poisson而不是rmse时，我看到的是nloglikelihood值。现在我不确定如何将这些数字与rmse或mae进行比较。当然值越小越好..但没有得到我们在rmse或Mae中得到的实际错误直觉。
浏览 0提问于2017-03-22得票数 0
我正在尝试用Java实现一个神经网络。我在学习神经网络时，在我的机器学习课本中遇到了这个问题：The output of the sigmoid function may be interpreted as the posterior
pro
浏览 2提问于2014-02-26得票数 2
1回答
我使用python的statsmodel包来进行线性回归。在R^2、p等的输出中也存在“对数似然”.在文档中，这被描述为“拟合模型的似然函数的值”。我看了一下源代码，并不真正理解它在做什么。阅读更多关于似然函数，我仍然有非常模糊的想法，这个‘对数-似然’值可能意味着什么，或被用来。所以有几个问题：
在线性回归</em
浏览 1提问于2014-10-23得票数 2
回答已采纳
我想知道是否有可能在scikit-learn中为朴素的Bayes分类器定义损失函数。例如，让我们假设我们对垃圾邮件和火腿分类感兴趣。在这种情况下，这样的损失函数将有助于降低假阳性率(即将火腿归类为垃圾邮件，这比将垃圾邮件分类为火腿“更糟”)。
为了简单起见，我有一个使用来自高斯的随机数据的例子。
浏览 0提问于2014-08-30得票数 2
回答已采纳
2回答
我最近读到了一篇题为"REGULARIZING NETWORKS BY PENALIZING OUTPUT DISTRIBUTIONS https://arxiv.org/abs/1701.06548"“的论文作者讨论了通过向负对数似然添加负熵项来惩罚低熵输出分布以及为模型训练创建自定义损失函数来对神经网络进行正则化。 ? 值β控制置信度惩罚的强度。我已经为分类交叉熵
浏览 33提问于2021-08-24得票数 5
回答已采纳
如果极大似然估计( MLE )不能给出Logistic回归中参数的适当闭型解，为什么这种方法会有如此多的讨论呢？为什么不坚持梯度下降来估计参数呢？
浏览 0提问于2022-05-04得票数 2
回答已采纳
3回答
对于一个目标向量0,0,0，....0和预测向量0,0.1,0.2的简单分类问题，....1的交叉熵损失会更好/更快地收敛，还是MSE损失？当我绘制它们时，在我看来，MSE损失有一个较低的误差范围。例如，当我的目标为1，1，1，1.1时，我得到以下信息：
浏览 0提问于2018-03-16得票数 3
回答已采纳
研究线性模型(高斯、指数、卡方、F-分布等)的一致性、效率、鲁棒性、蓝色、无偏性等问题，是一种基于微积分的统计推理理论.构成回归模型。
什么时候神经网络比这些传统的基于回归分析的微积分模型更好？有没有一个完整的数学理论，包括健壮性，robustness的东西，一致性，对他们的充分奉献，像Wackerly/HOFF这样的
浏览 0提问于2018-12-23得票数 0
回答已采纳
我在R中使用glm应用了逻辑回归，如下所示：现在我想计算在给定model的情况下观察我的测试数据的对数似然，这样我就可以看到它是否比其他模型做得更好。在给定模型的情况下，计算观察训练数据的对数似然--这正是在模型拟合期间最大化<e
浏览 8提问于2019-10-22得票数 1
1回答
我正在阅读关于SeqGAN的文章，我试图更好地理解训练前的步骤。作者声称，他们希望通过在数据集上对生成器进行预训练来最大化数据集上的最大似然估计(见下面的伪码)。这是通过最小化序列上的负对数似然来实现的。然而，从文件和代码来看，我不清楚他们选择了什么停止标准来进行培训。当然，他们有一个预先设定的几集的模式运行，
浏览 0提问于2022-10-11得票数 0
训练一个基本的多层感知器神经网络，归结为最小化某种误差函数。通常，平方错误之和被选择为此错误函数，但该函数来自何处？我不知道他这么说是什么意思。在神经网络环境下，平方误差之和与最大似
浏览 0提问于2015-05-22得票数 3
如果模型被训练成预测均值和方差(即单峰高斯分布)，这就告诉我们模型的置信度，但仍然不够。📷自信下降趋势=平均负，方差小向上或向下但不是横向=平均值零，方差高这是不好的，因为“向上或向下，我在这里看到的一个复杂问题是:高斯人不能被扭曲。必须有更好、更灵活的分配。我想到的另一种方法是在N类上使用softmax，对分布进行离散化。(即
浏览 0提问于2021-09-02得票数 0
回答已采纳
我正在使用scikit learn的LinearRegression()建立我的第一个时间序列预测模型。我还遇到了统计模型AutoReg()、ARMA()和SARIMAX()。不幸的是，从文献中我找不到考虑它们的方法。它们是LinearRegression()的替代品吗？他们是ML吗？它们有根本的不同吗？
如果能给我点提示，我会很感激的。谢谢。
浏览 30提问于2021-05-14得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
